Ultralytics YOLO11 ist da! Definiere neu, was in der KI möglich ist!

Wir freuen uns riesig, die nächste Evolutionsstufe der Ultralytics models vorzustellen: YOLO11! Aufbauend auf den beeindruckenden Fortschritten vorheriger YOLO-Modellversionen bringt YOLO11 eine Vielzahl leistungsstarker Funktionen und Optimierungen mit, die es schneller, präziser und unglaublich vielseitig machen. Angekündigt auf dem YOLO Vision 2024 (YV24) event, dem jährlichen hybriden Treffen von Ultralytics für KI-Experten, Innovatoren und Entwickler, setzt dieser neueste Zuwachs der Ultralytics-Familie neue Maßstäbe dafür, was mit computer vision möglich ist.

Mit seiner innovativen Architektur kann Ultralytics YOLO11 für verschiedene Computer-Vision-Aufgaben eingesetzt werden, von der Objekterkennung in Echtzeit bis hin zur Klassifizierung, was es zu einem echten Wendepunkt für Entwickler und Forscher gleichermaßen macht. Zu den wichtigsten Verbesserungen gehören eine optimierte Merkmalsextraktion für eine präzisere Detailerfassung, eine höhere Genauigkeit bei weniger Parametern und schnellere Verarbeitungsgeschwindigkeiten, die die Echtzeitleistung erheblich verbessern. In diesem Artikel werfen wir einen genaueren Blick auf die Funktionen, die YOLO11 hervorheben und wie es deine computer vision applications transformieren kann. Lass uns anfangen!

Abb. 1: Glenn Jocher auf der Bühne bei der Ankündigung von Ultralytics YOLO11 auf der YOLO Vision 24.

Lerne Ultralytics YOLO11 kennen#

YOLO11 schlägt ein neues Kapitel für die YOLO-Familie auf und bietet ein leistungsfähigeres und vielseitigeres Modell, das computer vision zu neuen Höhen führt. Mit seiner verfeinerten Architektur und erweiterten Funktionen unterstützt das Modell computer vision tasks wie Pose Estimation und Instanzsegmentierung, die die Vision-KI-Community an Ultralytics YOLOv8 schätzt, bietet dabei jedoch noch mehr Leistung und Präzision. Glenn Jocher, Gründer und CEO von Ultralytics, teilte mit: „Mit YOLO11 haben wir uns zum Ziel gesetzt, ein Modell zu entwickeln, das sowohl Leistung als auch Praxistauglichkeit für reale Anwendungen bietet. Seine verbesserte Effizienz und Genauigkeit machen es zu einem robusten Werkzeug, das sich an die einzigartigen Herausforderungen verschiedener Branchen anpassen lässt. Ich kann es kaum erwarten zu sehen, wie die Vision-KI-Community YOLO11 nutzt, um innovative Lösungen zu schaffen und computer vision auf das nächste Level zu heben.“

Abb. 2: Glenn Jocher auf der Bühne bei der Ankündigung von Ultralytics YOLO11 auf der YV24.

Hier ist ein Einblick in die Computer Vision-Aufgaben, die von Ultralytics YOLO11 unterstützt werden:

• Object detection: Identifiziert und lokalisiert Objekte in Bildern oder Videoframes und zieht Bounding-Boxen darum für Anwendungen wie surveillance, autonomous driving und retail analytics.
• Instance segmentation: Dies beinhaltet das Identifizieren und Trennen einzelner Objekte innerhalb eines Bildes bis auf Pixelebene. Es ist nützlich für Anwendungen wie medical imaging und Fehlererkennung in der manufacturing-Branche.
• Image classification: Kategorisiert ganze Bilder in vordefinierte Klassen, wodurch es ideal für Anwendungen wie product categorization im E-Commerce oder wildlife monitoring ist.
• Pose estimation: Erkennt spezifische Schlüsselpunkte innerhalb eines Bildes oder Videofframes, um Bewegungen oder Posen zu verfolgen, was für fitness tracking, sports analytics und healthcare-Anwendungen von Vorteil ist.
• Oriented object detection (OBB): Erkennt Objekte mit einem Orientierungswinkel und ermöglicht so eine präzisere Lokalisierung gedrehter Objekte, was besonders wertvoll für aerial imagery, robotics und warehouse automation-Aufgaben ist.
• Object Tracking: Überwacht und verfolgt die Bewegung von Objekten across consecutive video frames, was es für viele Echtzeitanwendungen unverzichtbar macht.

Fig 3. Von Ultralytics YOLO11 unterstützte Computer Vision-Aufgaben.

Was unterscheidet Ultralytics YOLO11?#

YOLO11 baut auf den Fortschritten auf, die Anfang dieses Jahres in YOLOv9 und YOLOv10 eingeführt wurden, und integriert verbesserte architektonische Designs, optimierte MerkmalsEXTRAktionstechniken sowie optimierte Trainingsmethoden. Was YOLO11 wirklich auszeichnet, ist seine beeindruckende Kombination aus Geschwindigkeit, Genauigkeit und Effizienz, die es zu einem der leistungsfähigsten Modelle macht, die Ultralytics bisher entwickelt hat. Mit einem verbesserten Design bietet YOLO11 eine bessere feature extraction, also den Prozess der Identifizierung wichtiger Muster und Details aus Bildern, wodurch komplexe Aspekte selbst in anspruchsvollen Szenarien genauer erfasst werden können.

Bemerkenswerterweise erreicht YOLO11m einen höheren mean Average Precision (mAP) score auf dem COCO dataset und verbraucht dabei 22 % weniger Parameter als YOLOv8m, wodurch es rechentechnisch leichter ist, ohne Leistung einzubüßen. Das bedeutet, dass es genauere Ergebnisse liefert und gleichzeitig effizienter in der Ausführung ist. Darüber hinaus bietet YOLO11 schnellere Verarbeitungsgeschwindigkeiten mit Inferenzzeiten, die etwa 2 % schneller sind als bei YOLOv10, womit es sich ideal für Echtzeitanwendungen eignet.

Fig 4. Verwendung von Ultralytics YOLO11 für die Objekterkennung.

Es ist so konzipiert, dass es komplexe Aufgaben bewältigt, gleichzeitig ressourcenschonender ist und die Leistung großer Modelle verbessert, wodurch es sich hervorragend für anspruchsvolle KI-Projekte eignet. Verbesserungen an der Augmentierungs-Pipeline haben auch den Trainingsprozess optimiert, sodass sich Ultralytics YOLO11 noch einfacher an verschiedene Aufgaben anpassen lässt, egal ob du an kleinen Projekten oder groß angelegten Anwendungen arbeitest.

Tatsächlich ist YOLO11 äußerst rechenleistungsstark und eignet sich perfekt für das deployment sowohl in der Cloud als auch auf Edge-Geräten, wodurch Flexibilität in unterschiedlichen Umgebungen gewährleistet ist. Um es einfach auszudrücken: YOLO11 ist nicht nur ein einfaches Upgrade, sondern ein deutlich präziseres, effizienteres und flexibleres Modell, das besser gerüstet ist, um jede computer vision-Herausforderung zu meistern. Ob autonomous driving, surveillance, healthcare imaging, smart retail oder industrial use cases – YOLO11 ist vielseitig genug, um fast jede computer vision-Anwendung zu bedienen.

Ultralytics YOLO11 ist bereit für deine Systeme und Plattformen#

Ultralytics YOLO11 ist darauf ausgelegt, sich seamlessly integrate in die Systeme und Plattformen einzufügen, die du bereits nutzt. Aufbauend auf der Unterstützung durch YOLOv8 ist YOLO11 mit einer Vielzahl von Umgebungen für training, testing und deployment kompatibel. Egal, ob du mit NVIDIA GPUs, edge devices arbeitest oder deploying on cloud-Plattformen nutzt, YOLO11 ist so optimiert, dass es sich mühelos in deinen Workflow einfügt.

Diese Integrationen sind großartige Ergänzungen, die YOLO11 an verschiedene Branchen anpassbar machen und businesses dabei helfen, das Modell problemlos in ihre bestehenden Prozesse zu implementieren. Angenommen, du möchtest YOLO11 für die Landwirtschaft (agriculture), speziell für das crop monitoring, einsetzen. Möglicherweise musst du das Modell auf Drohnen bereitstellen, um Pflanzenkrankheiten in Echtzeit über große Felder hinweg zu erkennen. Wenn du jedoch im Bereich Sicherheit tätig bist, bevorzugst du vielleicht die Verwendung von YOLO11 mit einem cloudbasierten System, um mehrere Kamera-Feeds für die object detection zu überwachen.

Fig 5. Verwendung von Ultralytics YOLO11 in der Landwirtschaft.

Stärkung der KI-Community mit Ultralytics YOLO11#

Die Vision-KI-Community kann mit der Einführung von YOLO11 aufregende Fortschritte erwarten. Dank seiner verbesserten Genauigkeit und Effizienz hat dieses neue Modell das Potenzial, bestehende Anwendungen zu transformieren und neue zu schaffen. Ein wesentlicher Faktor bei diesem Fortschritt ist Ultralytics HUB. Ultralytics HUB ist eine benutzerfreundliche Plattform, die das Training und die Bereitstellung von YOLO-Modellen, einschließlich YOLO11, vereinfacht.

Abb. 6. Führe YOLO11-Inferenzen auf dem Ultralytics HUB aus.

Ultralytics HUB optimiert den Entwicklungsprozess, indem Benutzer Datensätze hochladen, auf eine Reihe vortrainierter Modelle zugreifen und ihre Projekte an einem Ort verwalten können. Der HUB unterstützt auch die Zusammenarbeit, wodurch es Teams leicht gemacht wird, gemeinsam an KI-Projekten zu arbeiten. Hier sind einige der weiteren Hauptfunktionen von Ultralytics HUB:

• Cloud training: Ultralytics HUB bietet nahtloses, cloudbasiertes Modelltraining für Skalierbarkeit und Effizienz.
• Pre-trained models: Die Plattform bietet Zugriff auf eine Vielzahl vortrainierter YOLOv5-, YOLOv8- und YOLO11-Modelle.
• Modell-Export: Trainierte Modelle können in verschiedene Formate für die Bereitstellung exportiert werden.
• Integrations: Ultralytics HUB lässt sich nahtlos in Plattformen wie Roboflow, Google Colab und Weights & Biases integrieren.
• Detaillierte Dokumentation: Ultralytics HUB bietet umfassende Anleitungen und FAQs für den Benutzersupport.
• Community-Support: Eine aktive Discord-Community steht für Fragen und Diskussionen zur Verfügung.

Dank des intuitiven Designs von HUB können sowohl erfahrene Entwickler als auch Einsteiger schnell loslegen. Da immer mehr Entwickler Ultralytics YOLO11 über HUB nutzen, können wir uns auf einen Schub an Hochleistungsanwendungen freuen, die die Grenzen von Computer Vision erweitern und die Zukunft der KI-Technologie gestalten.

Werde mit Ultralytics YOLO11 selbst aktiv#

Genau wie YOLOv8 wird YOLO11 bald über den Ultralytics HUB und das Ultralytics Python package ausprobiert werden können. Du kannst dich beim Ultralytics HUB anmelden oder dir unseren quickstart guide ansehen, um Schritt-für-Schritt-Anleitungen zur Installation des Pakets zu erhalten. Nach der Veröffentlichung kannst du seine Funktionen erkunden, mit verschiedenen datasets experimentieren und sehen, wie YOLO11 in verschiedenen Szenarien abschneidet. Wir können es kaum erwarten zu sehen, wie sich die KI-Community mit YOLO11 auseinandersetzt, indem sie zur Entwicklung contributing beiträgt, Feedback gibt oder darauf aufbaut.

Egal, ob du ein Entwickler bist, der bestehende Projekte optimieren möchte, oder jemand, der daran interessiert ist, neue Anwendungen zu erstellen, deine Beteiligung kann helfen, Innovationen voranzutreiben. Nimm an Diskussionen teil, teile deine Erfahrungen und arbeite mit anderen zusammen, um das volle Potenzial von Ultralytics YOLO11 auszuschöpfen. Wir sind gespannt darauf, wie du YOLO11 nutzt, um reale Herausforderungen zu meistern und deine kreativen Ideen zum Leben zu erwecken!

Ein neues Kapitel beginnt mit Ultralytics YOLO11#

Ultralytics YOLO11 ist der nächste Schritt im Bereich Computer Vision und kombiniert beeindruckende Genauigkeit, Geschwindigkeit und Effizienz. Ankündigt auf der YV24, machen seine fortschrittlichen Funktionen es vielseitig einsetzbar für verschiedene Echtzeitanwendungen, von autonomem Fahren bis hin zu intelligenten Einzelhandelslösungen. Während die KI-Community beginnt, dieses Modell zu erkunden und zu nutzen, sind wir gespannt auf die kreativen Wege, auf denen YOLO11 Innovationen vorantreibt und neue Möglichkeiten zum Leben erweckt. Wenn du die neuesten Fortschritte in der KI erkunden möchtest, probiere YOLO11 aus und sieh, wie es deine Computer-Vision-Projekte voranbringen kann!

Um mehr über KI zu erfahren, besuche unser GitHub repository und werde Teil von our active community. Entdecke, wie KI in Bereichen wie healthcare und agriculture Fortschritte macht.